动态调整权重的光谱匹配测度法分类的研究

提出了动态调整权重的光谱匹配测度的分类方法,它可以根据不同影像、不同分类目的等自适应调整光谱距离和光谱形状测度在分类中的权重,从而达到正确分类的目的。通过对高光谱影像分类的试验,验证了该方法的正确性。     

方向数据插值方法研究

方向数据是矢量数据的标量表示,通常标量数据的插值方法不适用于方向数据。本文根据方向数据的特征,把其分解成沿坐标轴的分量,通过对分量数据的插值形成表面,最后合成反算出方向数据,给出了一种对于方向数据的行之有效的插值方法;并用实验进行了验证,对其插值结果和精度进行了统计和分析,取得了较为理想的内插结果。     

GIS空间目标的广义Hausdorff距离模型

分析了GIS中常用的空间距离度量及其存在的问题,这些距离度量没有顾及空间目标的整体形状、位置分布等特征。基于此,引入了Hausdorff距离的概念,给出了Hausdorff距离的计算方法,分析指出了Hausdorff距离容易受空间目标局部几何形状的影响。进而从统计学的角度分析了现有的距离度量并不能有效地表达空间目标间距离的整体分布,并提出了一种广义Hausdorff距离模型,这种距离模型能够度量空间目标间距离分布的中心趋势和离散度。实际算例证明了此模型在GIS环境下的实现方法。     

面向地块的MDPA算法实现Landsat7的农用地分类

介绍了使用地块划分Landsat7 ETM+遥感影像作为分类单元。为每一种目标类型选取标准地块,采用MDPA算法计算待分类地块与标准地块的亮度、绿度和湿度3种特征的直方图距离和相似指数,以此作为分类依据,结果准确率为95%。对于地块边界稳定的区域,能够显著地降低工作强度,提高分类精度。     

一种深度图像拟合圆柱的优化方法

圆柱状构件广泛存在于古建筑仿真中,为了提高古建筑深度图像圆柱拟合的精度,针对古建筑仿真3维建模的特点,提出基于高斯图获取圆柱拟合参数初始值,然后利用圆柱距离函数参数化法进行非线性最小二乘拟合的圆柱拟合方法.实验证明,该方法不仅具有较高的精度,而且拟合结果稳定可靠.     

基于距离变换的提取和识别点状符号的方法

提出了一种基于距离变换提取和识别点状符号的新方法。首先对分版图的提取结果进行优化处理,然后根据弯曲密度和线划密度等特征,进一步过滤掉不满足点状符号特征的线划。为了更准确地度量图像间的相似性,提出了加权距离函数,并用该函数值为度量标准进行模板匹配以识别符号。该算法较好地解决了字线粘连、背景复杂等情况下的点状符号提取和识别问题,识别准确率较高。     

一种改进的GPS区域叠加滤波算法

GPS时间序列的空间滤波可以提高观测数据的信噪比,有利于获取更高精度的地壳形变信息。区域叠加滤波算法的空间滤波结果随着测站数和空间尺度不同而不同,不利于研究GPS时间序列中的形变信息。为了削弱区域叠加滤波受空间尺度的影响,提出一种不以空间尺度作为约束条件,同时引入相关系数和距离因子的区域叠加滤波算法。采用2010—2017年中国区域260个GPS连续观测站的时间序列展开空间滤波方法的研究,计算结果表明,对比相关性区域叠加滤波算法,考虑GPS时间序列之间的相关系数和距离因子更有利于提取GPS时间序列中的共模误差,且受空间尺度的影响较小。对比3种不同距离因子的区域叠加滤波算法,可知引入距离反比的空间滤波算法可实现更优的空间滤波。采用该方法空间滤波后可使GPS时间序列残差降低30%~40%,GPS速度场精度提高30%~40%。此算法实现了更优的GPS形变场估计,为研究中国区域的地壳运动和其动力学机制提供了可靠的数据基础。     

利用等距同构建立多尺度空间实体相似性度量模型

从度量几何学的观点,建立多尺度空间实体等距同构模型。将多尺度空间实体分别看作刚性图形和弹性图形,利用等距同构不变性的概念,构建多尺度空间实体几何相似性图形距离和拓扑相似性图形距离。通过统一几何和拓扑相似性图形距离,构成一个二元集值距离,作为多尺度空间实体相似性的评价指标。通过对不同复杂性的面状和线状空间实体多尺度表达图形的几何和拓扑相似性度量实验表明,该方法能同时顾及多尺度空间实体几何和拓扑结构的改变,且符合空间实体的多尺度抽象规律。     

一种基于Fréchet距离的断裂等高线内插算法

等高线内插是提高地形图精度的一个常用手段,在地图综合等领域中有很重要的作用。在实际地形图数据库中,等高线除了存在完整的计曲线以外,还有一部分断裂的首曲线。已有的等高线内插研究中未考虑对此类数据的处理,为此,本文提出了一种基于Fréchet距离的断裂等高线内插算法。首先提出了等高线度量关系的计算方法,然后对等高线的节点均匀加密,并利用Fréchet距离进行相似度判断以选择参考等高线,最后根据“最近点”的方式进行插值。通过对江苏某地区实际数据的试验,验证了该算法的合理性,对于鞍部地区的内插,有更好的适应性和准确性。     

基于粒子群算法的全极化SAR图像非监督分类算法研究

提出了一种基于H/α/A和粒子群优化(PSO)算法的全极化SAR数据非监督分类方法。该方法利用H/α/A对全极化SAR数据进行基于散射机理的初分类,计算各类别的聚类中心,并利用计算结果对PSO算法进行初始化,然后采用PSO对极化SAR数据进行迭代分类。在运算过程中,引入了基于最大似然准则的复Wishart距离,以提高分类器的性能。实验结果验证了该算法的有效性,所提出算法的分类结果优于传统的Wishart-H/α/A分类方法。